代码搜索：微分几何
找到约 3,133 项符合「微分几何」的源代码
代码结果 3,133
www.eeworm.com/read/486797/6529434
m diffparam2.m
function r=DiffParam2(F,x0,h,N)
%非线性方程组：f
%初始解：x0
%数值微分增量步大小：h
%雅可比迭代参量:l
%解的精度：eps
%求得的一组解：r
%迭代步数：n
x0 = transpose(x0);
n = length(x0);
ht = 1/N;
Fx0 = subs(F,findsym(F),x0);
J = zero
www.eeworm.com/read/477455/6736008
m xdifferential.m
function xDifferential
% 分别用有限差分法、多项式拟合方法和三次样条插值方法对离散数据进行数值微分
%
% 有限差分法：用差分函数diff()近似计算导数，即dy=diff(y)./diff(x)%
%
% 多项式拟合方法：先用polyfit()根据离散数据拟合得到多项式插值函数p，
% 再用polyder()计算p的导数pp,然后用polyval()计算pp在
www.eeworm.com/read/476728/6748860
m diffparam1.m
function r=DiffParam1(F,x0,h,N)
%非线性方程组：f
%初始解：x0
%数值微分增量步大小：h
%雅可比迭代参量:l
%解的精度：eps
%求得的一组解：r
%迭代步数：n
x0 = transpose(x0);
n = length(x0);
ht = 1/N;
Fx0 = subs(F,findsym(F),x0);
for k=
www.eeworm.com/read/476728/6748863
m diffparam2.m
function r=DiffParam2(F,x0,h,N)
%非线性方程组：f
%初始解：x0
%数值微分增量步大小：h
%雅可比迭代参量:l
%解的精度：eps
%求得的一组解：r
%迭代步数：n
x0 = transpose(x0);
n = length(x0);
ht = 1/N;
Fx0 = subs(F,findsym(F),x0);
J = zero
www.eeworm.com/read/405565/11460414
m diffparam1.m
function r=DiffParam1(F,x0,h,N)
%非线性方程组：f
%初始解：x0
%数值微分增量步大小：h
%雅可比迭代参量:l
%解的精度：eps
%求得的一组解：r
%迭代步数：n
x0 = transpose(x0);
n = length(x0);
ht = 1/N;
Fx0 = subs(F,findsym(F),x0);
for k=
www.eeworm.com/read/405565/11460427
m diffparam2.m
function r=DiffParam2(F,x0,h,N)
%非线性方程组：f
%初始解：x0
%数值微分增量步大小：h
%雅可比迭代参量:l
%解的精度：eps
%求得的一组解：r
%迭代步数：n
x0 = transpose(x0);
n = length(x0);
ht = 1/N;
Fx0 = subs(F,findsym(F),x0);
J = zero
www.eeworm.com/read/340880/12127592
m shbai.m
%%初始化参数
global m1 m2 l1 l2 g tao1 tao2
g=9.8;
m1=2;
m2=2;
l1=1;
l2=1;
tao1=30;
tao2=10;
tmax=6;
step=0.001;
%%求解微分方程
[t,y]=ode45('fshbai',[0:step:tmax],[0,0,0,0]);
%%绘图
huitu(tmax,t,y,st
www.eeworm.com/read/201792/15396344
m xdifferential.m
function xDifferential
% 分别用有限差分法、多项式拟合方法和三次样条插值方法对离散数据进行数值微分
%
% 有限差分法：用差分函数diff()近似计算导数，即dy=diff(y)./diff(x)%
%
% 多项式拟合方法：先用polyfit()根据离散数据拟合得到多项式插值函数p，
% 再用polyder()计算p的导数pp,然后用polyval()计算pp在
www.eeworm.com/read/479821/6680777
txt hough原理.txt
Hough变换原理
[ 2008-7-18 18:15:00 | By: 张涛 ]
Hough变换原理一、简单介绍
Hough变换是图像处理中从图像中识别几何形状的基本方法之一。Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。也即把检测整体特性转化 ...
www.eeworm.com/read/386257/8759271
m myeuler.m
function [outx,outy]=MyEuler(fun,x0,xt,y0,PointNum)
%MyEuler 用前向差分的欧拉方法解微分方程
%fun 表示f（x，y）
%x0,xt表示自变量的初值和终值
%y0表示函数在x0处的值,其可以为向量形式
%PointNum表示自变量在[x0,xt]上取的点数
if nargin